ارتباط جستجوی هوشمند و مدیریت دانش

هوشمندسازی اشیا با تولید نخستین گوشی‌های هوشمند توسط شرکت IBM در اوایل دهه 90 میلادی آغاز شد. در ادامه شرکت اپل با معرفی آیفون در سال 2007، تحولی در صنعت گوشی‌های هوشمند پدید آورد. فراتر از گوشی‌های هوشمند، اکنون با لوازم خانگی، خودرو، ساعت‌ و حتی شهرهای هوشمند روبه‌رو هستیم. قهوه‌ساز هوشمند شما با صدایتان فعال می‌شود، یخچال هوشمند موجودی مواد غذایی را کنترل می‌کند و با استفاده از تلفن همراه می‌توان تنظیمات ترموستات هوشمند را تغییر داد به طوریکه هنگام ورود، خانه گرم باشد. 

هوشمندی تنها محدود به حوزه‌های ذکر شده نیست و با گذشت چندین دهه از به وجود آمدن موتورهای جستجو، فرآیند جستجو نیز هوشمندتر شده است. چرا که در طول این سال‌ها، حجم محتوای جستجو شده به شدت رشد داشته و در عین حال، انتظارات کاربران برای یافتن پاسخ مناسب در کمترین زمان ممکن نیز به میزان قابل توجهی افزایش یافته است.
با تغییر شرایط، بهبود عملکرد موتورهای جستجو در اولویت شرکت‌های فعال در این بخش قرار گرفت. بر این اساس، فرآیندی که صرفا به جستجوی کلید واژه‌ها می‌پرداخت، به مرور با استفاده از فناوری ریشه‌یابی کلمات، شناسایی مترادف‌ها و پردازش زبان طبیعی تکامل پیدا کرد.
یکی از اهداف اصلی مدیریت دانش تصفیه داده‌هایی است که از منابع غیرقابل اعتماد وارد سازمان می‌شوند. امروزه مدیریت دانش قادر است، بـا استفاده از ابزارهای متعدد از جمله جستجوگرهای هوشمند داده‌های متنوع را مورد ارزیابی قرار داده و دسترسی به داده‌های مدنظر را به میزان قابل توجهی تسریع کند.
به همین سبب موتورهای جستجو یکی از اصلی‌ترین ابزارها در  مدیریت دانش به شمار می‌رود. موتور جستجوی سازمانی، دسترسی آسان و سریع به اطلاعات را امکان‌پذیر کرده و سیلوهای دانشی را حذف می‌کند. تسریع دسترسی به اطلاعات منجر به صرفه‌جویی در هزینه و افزایش رضایت مشتری می‌شود. در ادامه به معرفی 5 پیشرفت کلیدی در زمینه هوشمندسازی جستجو پرداخته می‌شود.

1- هوش مصنوعی

پیشرفت‌های هوش مصنوعی (Artificial Intelligence) تقریباً تمام جنبه‌های فناوری از جمله مدیریت دانش را تحت تأثیر قرار داده است. هوش مصنوعی می‌تواند با استفاده از مدل‌سازی‌های پیچیده، هدف کاربر از جستجو را تشخیص دهد. در واقع موتور جستجو با درک نیاز افراد می‌تواند بهترین پاسخ را به درخواست‌های آن‌ها ارائه کند.
علاوه بر این، با پردازش هوشمند تعاملات و پیش‌زمینه کاربر (هویت، تاریخچه، فعالیت‌های جاری وغیره) می‌توان نیاز دانشی او را مشخص کرد. به بیان ساده، هوش مصنوعی و یادگیری ماشین (Machine Learning) به موتور جستجو اجازه می‌دهد تا درخواست را به همان روشی که مغز انسان به یک سوال پاسخ می‌دهد، پردازش کند.

2- جستجوی مبتنی بر صدا

برای سال‌ها، تایپ یک سری کلمات کلیدی اولین و ضروری‌ترین گام برای جستجو بود. اکنون، جستجوی صوتی همه چیز را تغییر داده است. کاربران می‌توانند به سادگی از الکسا یا هر یک از سیستم‌های جستجوی صوتی موجود در بازار استفاده کنند. جستجوی صوتی نه تنها موجب تسهیل دستیابی به پاسخ برای افراد شده، بلکه جستجو در مراکز تماس را نیز متحول کرده است. با تجزیه و تحلیل گفتار به صورت در لحظه (real-time)، کارمندان مرکز تماس می‌توانند به سادگی با مشتریان در مورد مشکلاتشان گفتگو کنند. با جلو رفتن مکالمه، نتایج پرسش‌ها به طور خودکار روی دسکتاپ کارمند مرکز تماس ظاهر می‌شود. استفاده از این روش تاثیر زیادی در کاهش زمان رسیدگی و حصول نتیجه پس از برقراری اولین تماس دارد. همچنین به کارگیری جستجوی مبتنی بر صدا در نرم‌افزارهای مدیریت دانش در تسهیل دسترسی به دانش‌های مورد نیاز کاربران می‌تواند تاثیر بسزایی داشته باشد.

3- دستیار مجازی هوشمند

دو اصطلاح "چت بات" و "دستیار مجازی هوشمند (IVA)" اغلب به صورت مترادف استفاده می‌شوند اما تفاوت‌های واضحی بین آن‌ها وجود دارد. چت ‌بات‌ها تا حدی گفتگوی انسانی را تقلید می‌کنند، اما به دستورات  خاص از پیش نوشته شده، محدود می‌شوند. به عبارت دیگر IVAها قابلیت برقراری مکالمه‌ با انسان‌ها را دارند. به طور مثال اگر کاربر در مورد سفارش سوالی بپرسد و شماره سفارش را وارد کند، IVA این اطلاعات را ذخیره می‌کند و می‌تواند بعداً در مکالمه دوباره به آن دسترسی داشته باشد. اگر سوال بعدی در مورد تغییر آدرس تحویل باشد، ربات هنوز می‌داند که چه کسی صحبت می‌کند و در مورد چیست. این بدان معناست که دستیاران مجازی هوشمند قادر به ذخیره‌سازی و بکارگیری سوابق یک مکالمه هستند.
دستیاران مجازی هوشمند از طریق یادگیری ماشین و یادگیری عمیق، دایره لغات بزرگی ایجاد کرده و فرمول‌های محاوره‌ای را درک می‌کنند. آن‌ها با استفاده از پردازش زبان طبیعی (NLP) به سوالات پاسخ‌های دقیق و صحیح می‌دهند. درگیر کردن مشتریان در مکالمات طبیعی از جمله مزایای IVAها بوده و به ایجاد تجربه مثبت در ذهن مشتریان کمک می‌کند. با پیاده‌سازی این فناوری، کسب‌وکارها می‌توانند پشتیبانی 24 ساعته و تقریباً بدون توقفی را ارائه دهند. مشکلات مشتری را می‌توان به سرعت و با حداقل تلاش چه از جانب نمایندگان امور مشتریان و  یا خود مشتری حل کرد. هوش مصنوعی به کسب‌وکارها امکان شخصی‌سازی تجربیات مشتریان را داده و با ثبت رفتارهای قبلی آن‌ها به ساده‌سازی تعاملات کمک می‌کند. کسب‌وکارها با خودکار کردن فرآیند خدمات مشتریان در هزینه‌های خود صرفه‌جویی می‌کنند، چرا که در این صورت برای آموزش کارکنان جدید هیچ هزینه‌ای صرف نمی‌شود.

4- جستجوی کنشگرانه (Proactive search)

با بالا رفتن انتظارات مشتریان برای دریافت خدمات سریع، بهترین نوع جستجو این است که اصلاً جستجو نکنید. در جستجوی کنشگرانه، یک برنامه کاربردی به طور خودکار پیش از تایپ کردن عبارت جستجو، نتایج مورد انتظار مشتریان را نمایش می‌دهد. با جستجوی کنشگرانه، سیستم از داده‌هایی نظیر اینکه کاربر چه کسی است، درخواست‌های قبلی او چه بوده، چه سوالاتی پرسیده است، چه دانش‌هایی را پیش از این جستجو کرده و مواردی از این دست استفاده می‌کند. در بسیاری از موارد، این اطلاعات برای نمایش محتوای مورد نظر کاربر بدون نیاز به تایپ کلمه کافی است.

5- جستجوی مرتبط

در جستجوی مرتبط، برنامه کاربردی پس از اتمام جستجوی کاربران نتایج مرتبط با آن جستجو را نشان می‌دهد. غالبا نیاز مشتری پیچیده‌تر از آن است که با یک محتوا پاسخ داده شود و کاربر ممکن است برای حل مشکل به اطلاعات بیشتری نیاز داشته باشد. برخی از برنامه‌ها «مقالات مرتبط» را ارائه می‌کنند که کاربران می‌توانند پس از خواندن پاسخ اصلی خود، آن‌ها را مرور کنند.
مشکل این است که اکثر برنامه‌های این چنینی، این پیوندها را به صورت دستی توسط ادمین سیستم ایجاد می‌کنند. فناوری جدید از هوش مصنوعی برای پیوند پویا با محتوای مرتبط استفاده کرده و ضمن صرفه‌جویی قابل توجه در منابع، ارزش مورد نیاز کاربران را نیز خلق می‌کند.
این پنج پیشرفت در زمینه جستجوی هوشمند یک نقطه اشتراک دارند، همه آنها یافتن آنچه که نیاز است را برای کاربران آسان کرده و بدین شکل فرهنگ اشتراک و دسترسی به دانش سایرین را در سازمان تقویت می‌کنند. از آنجایی که میزان اطلاعات ایجاد شده همچنان در حال رشد است، هدف اصلی جستجوی هوشمند، تسهیل مسیر رسیدن به سوزن در انبار کاه است.

منبع
www.kmworld.com